DOI:10.16086/j.cnki.issn1000-0380.2013.07.008 一种改进高斯-卡尔曼滤波的 ＲSSI 处理算法 杨 宁，等 一种改进高斯- 卡尔曼滤波的 ＲSSI 处理算法 ＲSSI Data Processing Method Based on Improved Gaussian-Kalman Filtering 杨 宁 钟绍山 徐耀良 杨亚兰 ( 上海电力学院电力与自动化工程学院，上海 200090) 。 。 。 ＲSSI ＲSSI ＲSSI ＲSSI 通过对实时 ) 数据存在突变 试验证明，该算法能有效去除 高斯拟合 卡尔曼滤波 无线技术 数据中的突变数据和噪声波动，实现 定位系统采集到的基于信号回波强度( ＲFID 数据进行前置数据处理 波动等特点，采用软件滤波算法对采集 、 数据进行分析和研究，提出了一种结合改进高斯拟合和卡尔曼滤波算法的新型 平滑输出，从而建立准确的测 、 摘 要: 针对超高频段无源 到的 数据处理算法 距模型 关键词: ＲFID 中图分类号: TP274 Abstract: In ultra high frequency passive ＲFID positioning system，the received signal strength indication ( ＲSSI) data exist mutation and fluctuation，thus，by using software filtering algorithm，data pre-processing is conducted for ＲSSI． Through analyzing and researching the real time ＲSSI data，the novel data processing algorithm that combines improved Gaussian fitting and Kalman filtering is proposed． The experiments verify that this algorithm effectively eliminates the mutation data and noise fluctuation in ＲSSI data，and implements the precise and smooth output of ＲSSI，thus establishes accurate distance measurement model． Keywords: Ｒadio frequency identification( ＲFID) Gaussian fitting Kalman filtering Wireless technology Global position system( GPS) 文献标志码: A 值的准确 ＲSSI GPS 引言 0 随着计算机技术 。 互联网技术和无线技术的飞速 、 全球定位 ) 是成熟的定位系统， ］，因此，只能依靠诸 等无线技术来 发展，人们对定位与导航的需求日益增长 系统( 但是其室内定位的效果并不理想［ 如红外线 超声波 、 实现室内的定位 无线传感网络 、 global position system ， GPS 、ＲFID 。 1 2 耐高温 、 存储容量大 、 radio frequency identification 无线射频识别技术( ) ［ ， ］是一种利用射频电波通信的自动识别技术， 定 、 是理想的室 读写器采集标签的信息，通过基于 ) received signal strength indication ］计算天线和标签之间的距离; 然后利 ］等定位方法，实现目 ＲFID 读取距离大 防磁 具有防水 、 、 ］，因此， 位精度高 成本低等优点［ 、 内定位技术 信号回波强度( 的测距模型［ 用诸如三边测量法 标的定位 三角测量法［ 、 ， ＲSSI 。ＲFID ＲFID 3 － 4 5 － 8 5 。 国家自然科学基金资助项目( 编号: 60801056) ; 上海市青年科技启明星计划基金资助项目( 编号: 11QA1402800) ; 上海教委科研创新重点基金资助项目( 编号: 11ZZ170) 。 修改稿收到日期: 2012 － 08 － 09。 第一作者杨宁( 1976 － ) ，男，2006 年毕业于上海交通大学精密仪器及 机械专业，获博士学位，教授; 主要从事状态检测与信息融合方面的研究。 1 ＲSSI 值预处理 ＲFID 与其他无线通信系统相比，超高频段无源 ＲFID 系统的最大特点就在于 标签并不像其他无线系 统终端生成自己的载波信号，而是利用电磁波的二次 辐射( 散射) 将应答信号反向散射给读写器［ 因此， 读取的 多径效应等多个因素 、 的影响波动很大，需要进行数据的预处理 受室内温度 湿度 、 ＲSSI 。 ］ 9 。 1． 1 高斯拟合法 某个位置的 ＲSSI 值和真实值越接近 合［ 数据 ］，找出密 度 最 大 的 。 10 。 拟合函数为: 值的分布密度越大，则表明测量 通过对某一位置的数据做高斯拟 值，并 滤 除 零 散 的 错 误 ＲSSI ) 2 ( x － x c w2 × e － 2 y = y0 + A w π 槡2 k ∑ i = 1 ＲSSIi k xc = ( ) 1            ( k ∑ i = 1 ＲSSIi － x c ) 2 先将 ＲSSI 然后对保留部分的 ＲSSI － 1 k槡 w = 数据代入拟合函数并保留大概率数据， 值取均值，所得值即为确定的 6 PＲOCESS AUTOMATION INSTＲUMENTATION Vol. 34 No. 7 July 2013 

。 值 由于每个数据都要代入拟合函数且拟合函数 ＲSSI 是非线性的，这使得计算量很大 采 用近高斯拟合的方法来预先快速筛选数据，即利用源数 据的均值作为基准和标准差筛选数据，计算公式为: 抗干扰的能力差 、 。 ＲSSIi － xc ＜ kw 可以根据数据保留的百分比 的计算公式如下: P 式中: k P 确定; ω = 1 ) ( 2 ， 3。 ， 2 P = K N × 100% ( ) 3 为读取的总次数 式中: 为落在筛选区间的个数; K P N K 若 的波动情况，通过改变 数据的真实性，这就需要增大 大，提高数据保留的百分比，保证数据的真实性 。 过小，则说明保留的数据少，这可能会破坏 值，使得筛选区间增 根据 值动态地改进高斯拟合 ＲSSI 算法，从而提高计算速度，并有效剔除突变的数据 数 据的筛选并不能消除数据的波动，只是剔除了远离真 数据的平滑输出，可以采 实值的数据 用卡尔曼滤波算法 卡尔曼滤波 为了实现 ＲSSI 。 。 。 。 K 1． 2 卡尔曼滤波算法是指设法消除噪声的影响后，利 卡尔曼滤波 用动态数据信息，获取平滑的数值输出 算法分为预测和修正两个阶段［ 。 11 － 12 ］ 。 预测阶段: ( ( ( ( ］( ) ) ) ) ) 4 5 6 7 8 ^ X k + 1 / k = Φk + 1 / k X k / k ^ QX ( ) = Φk + 1 / k QX ( k + 1 / k k + 1 / k ) ΦT k + 1 / k + ΓT k + 1 / k QX ( k / k ) ΓT k + 1 / k 修正阶段: ^ X ^ k + 1 / k + 1 = X ( Lk + 1 － Bk + 1 X ^ ) k + 1 / k k + 1 / k + Kk + 1 ) = ( ［ QX ( k + 1 / k + 1 1 － Kk + 1 Bk + 1 ( ) k + 1 / k ) BT k +1/ k ^ X 为 k +1 + Bk +1QX ( Kk +1/ k = QX ( 时刻的状态估计值; 为预测矩阵; 式中: 预测估计; 时刻的预测误差估计的方差矩阵; Bk + 1 QX k k / k ( k + 1 / k k +1/ k Lk + 1 为 ) ) k +1 k +1 + QL ( 为 时刻的 k + 1 时刻对 k k + 1 为增益矩阵; ) QX ) BT Kk + 1 QX ( k + 1 / k + 1 ) 为方差矩阵 。 基于 2 的测距模型 ＲSSI 读写器通过天线发出读写命令，标签接收到 信息，读写器通过天线接收标签 ＲFID 信号并返回自身的 的接收功率为［ 13 － 14 ID ］: Pr_reader = Pt_reader Gt_reader Gr_tag λ4 X2 M 4πd ) 4 L2 ( 分别为阅读器发送功率 p θ2 ( ) 9 阅读 、 标签接收天线增益; 、 X 为极化匹配; λ ① 式中: 器发送天线增益 Pt_reader、Gt_reader、Gr_tag 自动化仪表 《 第 》 34 卷第 期 7 2013 年 7 月 一种改进高斯-卡尔曼滤波的 ＲSSI 处理算法 杨 宁，等 为功率传输系数; 为由于贴附 不同材料的物品致使标签天线增益的损耗系数，其中 为阅读器标签间距; d θ 与标签贴附的物体材料有关; 为小尺度多径导致 Lp 为标签调制因数; M 为阅读器 Gt_reader τ θ 的路径损耗系数; 单一天线的增益 。 对式( 9 ) 求对数后，化简得: ＲSSI = A － nlgd 为固定常数，由环境和标签自身决定; ( ) 10 为环 n 式中: A 境参数 。 通过任意两个距离点的 ＲSSI 数据 n 可以由以下 公式加以计算: n = 设定某个位置的 处的数据为 1 m 到标签和距离之间的距离 ＲSSI0 ) 11 ＲSSI2 － ＲSSI1 ( d1 lg d2 为基准，标签与天线距离 ，则可以得 ＲSSI ，且已知标签的 ＲSSIi ，计算公式如下所示: d ＲSSIi － ＲSSI0 n d = 10 ( ) 12 改进算法的测距试验 3 改进算法的测距试验设备包括: 一个 一个 器 、 台笔记本 XCAF-12L 型天线 ＲFID 、20 个 ＲF-806 读写 电子标签和一 。 测距系统 3． 1 数据处理 ＲSSI 在标签读取的过程中，由于受相关因素的影响，前 值很不稳定，故将这些数值予以剔 次读取的 源 ＲSSI 次读取的数据进行处理 三组 。 ＲSSI 200 除，对后面 数据如图 500 所示 1 。 图 1 三组 ＲSSI 源数据曲线 从图 Fig． 1 Curves of three raw ＲSSI data 可知， ＲSSI 有数值突变点 、 值具有如下特点: 数据呈现一 数值差异呈现一定的 、 1 定高斯噪声波动 区间性 。 改进的高斯拟合结合卡尔曼滤波实现流程如下: 设定筛选数据的最低百分比 和筛选区间系数 Q k。 7 

一种改进高斯-卡尔曼滤波的 ＲSSI 处理算法 杨 宁，等 700 500 ＲSSI 。③ P ＜ Q 值， 值，剔除前 读写器读取 值，对后面的 ②ＲFID 个 ＲSSI 若 合筛选 斯拟合筛选; 若 个标签 个 ，则增大 ，则保留数据的标准差 ＲSSI 200 值进行改进高斯拟 值进行重新高 和均值 对剩余 xc 值进行卡尔曼滤波，将滤波之后的数据均值作 的 所示，数据处 值 为 。 理结果如图 改进滤波算法流程图如图 所示 的比值，并赋值给卡尔曼滤波的参数 c。④ P≥Q ＲSSI ＲSSI ＲSSI σ 2 k 3 。 可以看出，改进后的算法能更加有效地反映 4 图 值随距离衰减的变化趋势 。 ＲSSI 图 4 d-ＲSSI 变化曲线 Fig． 4 Curves of d-ＲSSI 在同一距离位置收集两组 数据，其中一组 ，另外一组则用于距离计算，计算 d-ＲSSI 用于计算环境参数 结果曲线如图 n 所示 5 。 图 5 基于 ＲSSI 值的距离计算曲线 Fig． 5 Curves of distance calculation based on ＲSSI 从图 数据经过处理之后的测距 可以看出， 5 ＲSSI 曲线更加趋近于真实距离曲线 所示 测距误差曲线如图 6 。 。 3 从图 可知，采用单一卡尔曼滤波算法，由于源数 据中存在较多突变的点，导致数据输出整体波动性大; 单一的高斯拟合方法无法消除允许范围之内的大范围 波动; 运用改进的高斯拟合方法结合卡尔曼滤波，能有 效地消除数据突变的点和区间，平衡数据的噪声波动， 实现数据较为准确 平滑地输出 、 。 3． 2 基于 ＲSSI 的测距试验 将标签置于天线前方 读取 ＲSSI 值，得到的 8 1 ～ 6 m ，每间隔 的曲线如图 0． 5 m 所示 4 取点 从 。 d-ＲSSI 图 6 测距误差曲线 Fig． 6 Curves of error in distance measurement 6 1 m 从图 可以看出，由于距离参数 为基准， 位置的误差都很小，忽略这个点，可以得到修正 ，平均误 0． 8 m ，最小误差为 且 前最大测距误差为 差 ; 修正后最大测距误差为 ，最小误差为 3． 3 m 1 m 以 d 1． 8 m 1． 5 m ，平均误差 ，这明显提高了测距的精度 0． 5 m 1． 1 m 。 ( 下转第 11 页) PＲOCESS AUTOMATION INSTＲUMENTATION Vol. 34 No. 7 July 2013 

三点接触疲劳试验机的测试信号相干函数分析 周井玲，等 4 图 30 Hz 中，当频率为 时，即在驱动轮 支承滚轮 、 ; 当频率为 时，即在试验机本身轴承 ; 当 频 率 内圈激 振 频 率 下，相 干 函 数 值 约 为 导轮激振频率下， 为 、 51 Hz 时，即在陪试滚子激 峰值约为 振频率下，峰值约为 时，即在试 验机本身使用轴承滚动球激振频率下，峰值也达到了 时，即在试样球激振频率下，峰 ; 当频率为 ; 当频率为 102 Hz 145 Hz 0． 95 0． 9 0． 9 0． 8 值约为 0． 95。 267 Hz 4 从图 可以看出，由各旋转零部件激振引起的各 次谐频对应的峰值都比较大，而其他频率对应的峰值 由此可见，系统的振动的确是由系统中各零部 较小 件的旋转激振引起的 。 。 结束语 4 通过对三点接触疲劳试验机零部件激振输入信 号及系统输出信号进行各自 的 自 相 关 分 析 ，分 析 结 果表明，输入信号为周期信号 且 由 多 个 周 期 成 分 叠 加而成，输出信号同样包含了 多 个 周 期 成 分 并 且 夹 杂着噪声; 再对上述输入及输出信号做互相关分析， 分析结果表明，互相关分析确实可以消除噪声影响， 保留真实输出信号 最后对上述输入及输出信号进 行相干函数分析，得到了在各 零 部 件 激 振 频率 下 的 ，从而表明该试验机系 相干函数值都基本维持在 。 0． 9 ( 上接第 8 页) 结束语 4 通过分析超高频段无源 系统采集到的 ＲSSI ＲFID 源数据进行筛选和过滤 ＲSSI 数据特征，提出了一种改进高斯拟合算法和卡尔曼滤波 相结合的算法，对 通过 ＲSSI 的测距模型，计算天线和标签之间的 建立的基于 距离 平 值准确 、 滑的输出，从而提高测距的精度，更好地为定位服务 参考文献 ［ ］ 王小辉，汪云甲，张伟 ． 1 ， 28 试验证明，该方法能有效地实现 ］ 的室内定位技术评述［ J ． 感器与微系统， 基于 ) : ( ＲSSI ＲFID 。 。 。 传 2009 1 － 3． 射频识别技术与应用［ 2 ］ ． M 北京: 机械工业出版社， ［ ］ 赵军辉 2 ． : 2008 3 － 4． ［ ］ 王睿，赵龑 3 ， 42 2009 术， ［ ］ 乔强 4 ［ ］ 5 ． ＲFID ， Bouet M ． ＲFID ( ) : 116 － 119． 5 ］ 技术的应用［ ． J : Pujolle G． L-VIＲT 现代情报， 2005 ( ) : 4 150 － 151． Ｒange-free 3-D localization of ＲFID ， ． Computer Communications ［ ］ J tags based on topological constraints ( ， 32 5 ) : 2009 1485 － 1494． 自动化仪表 《 第 》 34 卷第 期 7 2013 年 7 月 ］ 技术及其应用系统构架的研究［ J ． ［ ］彭丁聪 ． 12 通信技 32 － 35． 统为线性系统 论依据 。 。 该研究结果为动力学分析提供了理 参考文献 ［ ］ 陈建春 1 ． ］ 究［ D ． 三 点 接 触 疲 劳 试 验 机 振 动 监 测 与 智 能 诊 断 系 统 研 南通: 南通大学， 2011． ［ ］ 2 ［ ］ 3 ］ ［ 4 Manoj V ， ， K． Manohar S Gopinath K． Developmental studies on rolling ［ ］ J 708 － 718． ， 2008 ， ( 264 ． Wear ) : 7 contact fatigue test rig Atienza O ， observation Johansen A Tang L C． Acusum scheme for auto-correlated process ［ ］ J ， ． Quality Technology ， ( 2002 187 － 199． ， ) : 2 Kholosha A． Further results on M- Helleseth T sequences with five-valued cross correlation ． IEEE Transaction ［ ］ J on Information Theory ， 2009 ， 55 ( 12 ) : 5792 － 5802． ［ ］ 5 Underwood M A ， determine ordinary ， ( 9 ， 2007 Dynamics partial ) : 2 11 － 20． Keller T． Using the spectral density matrix to ， ， and multiple coherence ． Spectral ［ ］ J ［ ］ 周井玲，吴国庆，丁锦宏，等 6 ． 轴承用球三点接触纯滚动接触疲 ］ 劳寿命试验机［ J ． 轴承， 2006 ( ) : 6 23 － 26． ［ ］ 林远东 7 ． ］ 偏心质量引起旋转系统振动的动力学研究［ J ． 机械设 计与制造， ( ) : 29 － 30． ［ ］ 雷衍斌，李舜酩，门秀花，等 8 2008 5 ． 振动与冲击， ］ 信号分离［ J ． 基于自相关降噪的混叠转子振动 ( ， 30 1 ) : 218 － 222． 2011 ［ ］ 侯兴民，薄景山，杨学山，等 9 ． 互相关函数在单孔法剪切波速测 ］ 量中的应用［ J ． 地震工程与工程振动， 2004 ( ， 24 1 ) : 59 － 63． ［ ］吕兴才，黄震，舒歌群 10 用相干函数分析内燃机曲轴纵向振动产 ． ］ 生的机理［ J ． 内燃机工程， 2004 ( ， 25 1 ) : 23 － 26． ， et al． Localization systems using passive / / International Joint Conference on INC ， IMS and ［ ］ 6 Choi J ， ， Lee H Elmasri Ｒ ［ ］ C UHF ＲFID : IDC 1727 － 1731． ， 2009 ， Plagemann C ［ ］ 7 Joho D ， Burgard W． Modeling ＲFID signal strength and tag detection for localization and mapping ， 3160 － 3165． 2009 ］ 标签的定位原理和技术［ J ． Conference on Ｒobotics and Automation ＲFID : 电子科技， / / IEEE International 2011 ， ［ ］ 韩晶 8 ［ ］ C 基于 ． ) : ( 7 24 64 － 67． ［ ］ 刘禹，关强 ． ＲFID 9 : 版社， 2010 50 － 51． 系统测试与应用实务［ M ］ ． 北京: 电子工业出 ［ 10 ］詹杰，吴伶锡，唐志军 ． 电讯技术， ］ 分析［ J ． ( ， 50 4 ) : 83 － 87． 2010 无线传感器网络 ＲSSI 测距方法与精度 ［ 11 ］ 卡尔曼滤波在目标跟踪中的研究与应用［ ］刘静，姜恒，石晓原 ． J ． ) : 息技术， ( 信 ， 15 10 2011 ］ 卡尔曼滤波的基本原理及应用［ J ． 74 － 77． 软件导刊， ， ( 8 ) : 11 2009 ［ 13 ［ 14 仪器仪表学报， ］佘开，何怡刚，李兵，等 ． ， ( 31 ］凡高娟，王汝传，孙力娟 ． 2010 ) : 5 基于 974 － 979． ＲSSI 无源超高频 ＲFID ］ 系统链路预算分析［ J ． 南京邮电大学学报: 自然科学版， 无线传感器网络环境参数分析 ) : ( ， 29 2009 6 与修正方案［ ］ ． J 54 － 57． 11